Update app.py

app.py

@@ -1,36 +1,28 @@
-import gradio as gr
-import pickle
-import os
+MODEL_PATH = os.getenv("MODEL_PATH", "baseline_pipe.pkl")
 
-# ==============================
-# 1. Carregar o modelo
-# ==============================
-MODEL_PATH = "baseline_pipe.pkl"
+baseline = None
+if os.path.exists(MODEL_PATH):
+    baseline = joblib.load(MODEL_PATH)
 
-def load_model():
-    if not os.path.exists(MODEL_PATH):
-        return None
-    with open(MODEL_PATH, "rb") as f:
-        model = pickle.load(f)
-    return model
+def predict_sentiment(text: str):
+    if not text or text.strip() == "":
+        return {"predição": "n/a", "confiança": 0.0}
+    if baseline is None:
+        # Mensagem amigável quando o modelo ainda não foi enviado
+        return {"erro": "Modelo não encontrado. Envie baseline_pipe.pkl nos Files do Space."}
+    proba = baseline.predict_proba([text])[0]
+    pred = int(np.argmax(proba))
+    label = "positivo" if pred == 1 else "negativo"
+    conf = float(np.max(proba))
+    return {"predição": label, "confiança": conf}
 
-model = load_model()
+demo = gr.Interface(
+    fn=predict_sentiment,
+    inputs=gr.Textbox(label="Digite uma avaliação de produto"),
+    outputs=gr.JSON(label="Resultado"),
+    title="Análise de Sentimentos (Amazon Polarity)",
+    description="Envie o arquivo baseline_pipe.pkl na aba Files para ativar o modelo."
+)
 
-# ==============================
-# 2. Função de predição
-# ==============================
-def predict_sentiment(text):
-    if model is None:
-        return {
-            "erro": "Modelo não encontrado. Envie baseline_pipe.pkl nos Files do Space."
-        }
-
-    try:
-        pred = model.predict([text])[0]
-        proba = model.predict_proba([text]).max()
-
-        label = "positivo" if pred == 1 else "negativo"
-
-        return {
-            "sentimento": label,
-            "confianca": float(round(proba,
+if __name__ == "__main__":
+    demo.launch()